Kriptovaluták értékének ábrázolása

Szükséges könyvtárak telepítése, importálása

# %pip install pandas
# %pip install plotly
# %pip install nbformat
# %pip install kaleido==0.1.0post1

import pandas as pd
import plotly.io as pio
import plotly.express as px
import plotly.graph_objects as go
from IPython.display import Image

Egy adathalmaz beolvasása..

df = pd.read_csv("data/HBAR-USD.csv", delimiter=",")

df.head(10)

	Date	Open	High	Low	Close	Adj Close	Volume
0	2019-09-17	0.416009	0.416009	0.087753	0.090177	0.090177	10855378
1	2019-09-18	0.090519	0.100272	0.080045	0.086921	0.086921	14772274
2	2019-09-19	0.087702	0.087721	0.054469	0.057924	0.057924	27324784
3	2019-09-20	0.058087	0.059061	0.047800	0.052490	0.052490	15814443
4	2019-09-21	0.052402	0.055408	0.045456	0.048021	0.048021	13144171
5	2019-09-22	0.048065	0.048237	0.038757	0.039735	0.039735	10549578
6	2019-09-23	0.039739	0.039803	0.035488	0.037645	0.037645	11214860
7	2019-09-24	0.037689	0.043997	0.029084	0.029641	0.029641	12197101
8	2019-09-25	0.029515	0.031111	0.025871	0.030202	0.030202	8906428
9	2019-09-26	0.030204	0.031022	0.027305	0.028966	0.028966	5190095

..és ábrázolása

fig = px.line(df, x="Date", y="Close")

fig.show()

Több adathalmaz hozzáadása és ábrázolása

A BTC értéke rendkívül magas a többihez képest és emiatt nem igazán olvasható rajta kívül a többi adat. Szükséges lesz az adatok normalizálsása.

df_hbar = pd.read_csv("data/HBAR-USD.csv", delimiter=",")
df_ada = pd.read_csv("data/ADA-USD.csv", delimiter=",")
df_btc = pd.read_csv("data/BTC-USD.csv", delimiter=",")
df_dot = pd.read_csv("data/DOT-USD.csv", delimiter=",")
df_eth = pd.read_csv("data/ETH-USD.csv", delimiter=",")
df_xlm = pd.read_csv("data/XLM-USD.csv", delimiter=",")

fig = go.Figure()
fig.add_trace(
    go.Scatter(x=df_hbar["Date"], y=df_hbar["Close"], mode="lines", name="HBAR")
)
fig.add_trace(go.Scatter(x=df_ada["Date"], y=df_ada["Close"], mode="lines", name="ADA"))
fig.add_trace(go.Scatter(x=df_btc["Date"], y=df_btc["Close"], mode="lines", name="BTC"))
fig.add_trace(go.Scatter(x=df_dot["Date"], y=df_dot["Close"], mode="lines", name="DOT"))
fig.add_trace(go.Scatter(x=df_eth["Date"], y=df_eth["Close"], mode="lines", name="ETH"))
fig.add_trace(go.Scatter(x=df_xlm["Date"], y=df_xlm["Close"], mode="lines", name="XLM"))

fig.show()

import os
import pandas as pd

folder_path = "data/"
output_file = "data/output_2.xlsx"

csv_files = [file for file in os.listdir(folder_path) if file.endswith(".csv")]

all_data = pd.DataFrame()

for csv_file in csv_files:
    df = pd.read_csv(os.path.join(folder_path, csv_file))

    ticker = csv_file.split("-")
    df["Ticker"] = ticker[0]

    all_data = pd.concat([all_data, df], ignore_index=True)

all_data.to_excel(output_file, index=False)

print("Adatok mentve: ", output_file)

Adatok mentve:  data/output_2.xlsx

Normalizált adatok ábrázolása

Az adatokat átkonvertáljuk [0,1] intervallumra a könnyebb ábrázolhatóság érdekében.

df = pd.read_excel("data/output.xlsx")

fig = px.line(df, x="Date", y="Normal", color="Ticker")

fig.update_layout(yaxis_title="Érték")

fig.show()

Az időtengely túl hosszú

Létrehozunk egy új változót, ami csak a szükséges időintervallum adataint tárolja.

df = pd.read_excel("data/output.xlsx")

start_date = "2020-01-01"
date_df = df[(df["Date"] >= start_date)]

fig = px.line(date_df, x="Date", y="Normal", color="Ticker")

fig.update_layout(yaxis_title="Érték")

fig.show()

Az időtengely túl részletes

Nézzünk további szűrési lehetőséget.

df = pd.read_excel("data/output.xlsx")

start_date = "2020-01-01"
n = 10

date_df = df[(df["Date"] >= start_date)]
freq_df = date_df[::n]

fig = px.line(freq_df, x="Date", y="Normal", color="Ticker")

fig.update_layout(yaxis_title="Érték")

fig.show()

Próbáljuk ki a diagramot görbékkel

line_shape=”spline” paraméter megadásával.

df = pd.read_excel("data/output.xlsx")

start_date = "2020-01-01"
n = 15

date_df = df[(df["Date"] >= start_date)]
freq_df = date_df[::n]

fig = px.line(freq_df, x="Date", y="Normal", color="Ticker", line_shape="spline")

fig.update_layout(yaxis_title="Érték")

fig.show()